用于問答社區(qū)中屏蔽廣告內(nèi)容的裝置和方法
【專利摘要】本發(fā)明公開了一種問答社區(qū)中屏蔽廣告內(nèi)容的裝置和方法，其中該方法包括：接收發(fā)布者在問答社區(qū)中編輯的待提問/答案文本；提取所述待提問/答案文本中包含的一個或多個特征向量；根據(jù)所述特征向量，識別所述待提問/答案文本是否與廣告特征數(shù)據(jù)庫中的一個或多個記錄匹配；當識別出上述匹配時，將所述待提問/答案文本作為廣告內(nèi)容進行屏蔽處理。使用本發(fā)明的裝置和方法，可以由待提問/答案文本提取出特征向量，以及根據(jù)特征向量識別待提問/答案文本是否與廣告特征數(shù)據(jù)庫中的一個或多個記錄匹配，從而能夠準確識別待提問/答案文本中的廣告。
【專利說明】用于問答社區(qū)中屏蔽廣告內(nèi)容的裝置和方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及計算機網(wǎng)絡(luò)領(lǐng)域，具體涉及一種用于問答社區(qū)中屏蔽廣告內(nèi)容的裝置和方法。
【背景技術(shù)】
[0002]隨著互聯(lián)網(wǎng)的發(fā)展，網(wǎng)絡(luò)，尤其是問答社區(qū)，成為人們獲取信息、交流信息的重要渠道，問答社區(qū)的基本形式是信息發(fā)布者發(fā)布待提問文本/答案文本。然而在問答社區(qū)中，存在相當量的廣告內(nèi)容，給用戶帶來了諸多不便，同時也降低了問答社區(qū)的質(zhì)量。為了解決這個問題，問答社區(qū)中屏蔽廣告內(nèi)容的研究工作逐漸開展起來，以期望能夠屏蔽廣告內(nèi)容。

【發(fā)明內(nèi)容】

[0003]鑒于上述問題，提出了本發(fā)明以便提供一種克服上述問題或者至少部分地解決上述問題的一種問答社區(qū)中屏蔽廣告內(nèi)容的裝置和相應(yīng)的一種問答社區(qū)中屏蔽廣告內(nèi)容的方法。
[0004]依據(jù)本發(fā)明的一個方面，提供了一種問答社區(qū)中屏蔽廣告內(nèi)容的裝置，包括:文本獲取單元，適于接收發(fā)布者在問答社區(qū)中編輯的待提問/答案文本；特征向量提取單元，適于提取所述待提問/答案文本中包含的一個或多個特征向量；識別單元，適于根據(jù)所述特征向量，識別所述待提問/答案文本是否與廣告特征數(shù)據(jù)庫中的一個或多個記錄匹配；屏蔽單元，適于在識別單元識別出上述匹配時，將所述待提問/答案文本作為廣告內(nèi)容進行屏蔽處理。
[0005]可選地，所述識別單元，適于對所述特征向量中的每個特征，檢測廣告特征數(shù)據(jù)庫中是否多次出現(xiàn)該特征；所述識別單元，適于判斷所述特征向量中的在廣告特征數(shù)據(jù)庫中多次出現(xiàn)的特征占該特征向量的全部特征的比例是否達到第一閾值，是則確定所述待提問/答案文本與廣告特征數(shù)據(jù)庫中的記錄匹配，否則不匹配。
[0006]可選地，所述識別單元，適于對所述特征向量中的每個特征，從廣告特征數(shù)據(jù)庫中查找是否存在該特征，如果存在，則進一步查看該特征的權(quán)值，如果該特征的權(quán)值大于或等于第二閾值，則廣告特征數(shù)據(jù)庫中多次出現(xiàn)該特征。
[0007]可選地，該裝置進一步包括廣告特征數(shù)據(jù)庫更新單元，所述廣告特征數(shù)據(jù)庫更新單元，適于在確定所述待提問/答案文本與廣告特征數(shù)據(jù)庫中的記錄匹配時，對于所述特征向量中的每個特征，如果檢測到廣告特征數(shù)據(jù)庫中存在該特征，則將廣告特征數(shù)據(jù)庫中該特征的權(quán)值加I。
[0008]可選地，所述識別單元，適于在對于所述特征向量中的每個特征，檢測廣告特征數(shù)據(jù)庫中是否存在該特征之前，判斷所述特征向量中的特征的數(shù)目是否小于第三閾值，是則所述待提問/答案文本與廣告特征數(shù)據(jù)庫中的記錄不匹配并結(jié)束判斷操作，否則對于所述特征向量中的每個特征，檢測廣告特征數(shù)據(jù)庫中是否多次出現(xiàn)該特征。
[0009]可選地，所述特征向量提取單元包括:中文文本獲取子單元，適于對待提問/答案文本進行文本處理以獲取中文文本；拼音文本獲取子單元，適于將獲取的中文文本中的漢字轉(zhuǎn)為拼音得到拼音文本；指紋獲取子單元，適于提取所述拼音文本的特征，將提取的特征形成所述拼音文本的特征向量。
[0010]可選地，所述中文文本獲取子單元，適于對待提問/答案文本進行數(shù)據(jù)清洗操作，將文本中的內(nèi)容轉(zhuǎn)換為規(guī)則字符；將拼音轉(zhuǎn)化為漢字；以及將保留常用的漢字。
[0011]可選地，所述中文文本獲取子單元，適于識別并丟棄HTML標記，將繁體字轉(zhuǎn)換為簡體字，將全角字符轉(zhuǎn)換為半角字符，將大寫英文字母轉(zhuǎn)換為小寫英文字母，以及識別并丟棄url和標點符號，以將待提問/答案文本中的內(nèi)容轉(zhuǎn)換為規(guī)則字符；所述中文文本獲取子單元，適于使用雙向最大匹配算法將文本中的拼音轉(zhuǎn)換為漢字，如果一個拼音對應(yīng)多個漢字，則從對應(yīng)的多個漢字中任選一個，以將文本中的拼音轉(zhuǎn)化為漢字；所述中文文本獲取子單元，適于使用GBK編碼表中的常用漢字對待提問/答案文本進行過濾，丟棄所有不屬于常用漢字的字符，以保留常用的漢字。
[0012]可選地，所述拼音文本獲取子單元，適于使用拼音漢字對照表，將每個漢字轉(zhuǎn)換為對應(yīng)的拼音串，以得到拼音文本。
[0013]可選地，所述指紋獲取子單元，適于以單個漢字為切分粒度提取所述拼音文本的特征，并使用向量空間模型將提取的特征形成所述拼音文本的特征向量。
[0014]依據(jù)本發(fā)明的另一個方面，提供了一種答社區(qū)中屏蔽廣告內(nèi)容的方法，包括:接收發(fā)布者在問答社區(qū)中編輯的待提問/答案文本；提取所述待提問/答案文本中包含的一個或多個特征向量；根據(jù)所述特征向量，識別所述待提問/答案文本是否與廣告特征數(shù)據(jù)庫中的一個或多個記錄匹配；當識別出上述匹配時，將所述待提問/答案文本作為廣告內(nèi)容進行屏蔽處理。
[0015]可選地，所述根據(jù)所述特征向量，識別待提問/答案文本是否與廣告特征數(shù)據(jù)庫中的一個或多個記錄匹配，具體包括:對所述特征向量中的每個特征，檢測廣告特征數(shù)據(jù)庫中是否多次出現(xiàn)該特征；判斷所述特征向量中的在廣告特征數(shù)據(jù)庫中多次出現(xiàn)的特征占該特征向量的全部特征的比例是否達到第一閾值，是則確定所述待提問/答案文本與廣告特征數(shù)據(jù)庫中的記錄匹配，否則不匹配。
[0016]可選地，所述檢測廣告特征數(shù)據(jù)庫中是否多次出現(xiàn)該特征包括:從廣告特征數(shù)據(jù)庫中查找是否存在該特征，如果存在，則進一步查看該特征的權(quán)值，如果該特征的權(quán)值大于或等于第二閾值，則廣告特征數(shù)據(jù)庫中多次出現(xiàn)該特征。
[0017]可選地，在確定所述待提問/答案文本與廣告特征數(shù)據(jù)庫中的記錄匹配時，該方法進一步包括:對于所述特征向量中的每個特征，如果檢測到廣告特征數(shù)據(jù)庫中存在該特征，則該將廣告特征數(shù)據(jù)庫中該特征的權(quán)值加I。
[0018]可選地，在對于所述特征向量中的每個特征，檢測廣告特征數(shù)據(jù)庫中是否存在該特征之前，所述判斷待提問/答案文本是否與廣告特征數(shù)據(jù)庫中的記錄匹配進一步包括:判斷所述特征向量中的特征的數(shù)目是否小于第三閾值，是則所述待提問/答案文本與廣告特征數(shù)據(jù)庫中的記錄不匹配并結(jié)束判斷操作，否則對于所述特征向量中的每個特征，檢測廣告特征數(shù)據(jù)庫中是否多次出現(xiàn)該特征。
[0019]可選地，所述提取所述待提問/答案文本中包含的一個或多個特征向量，具體包括:對待提問/答案文本進行文本處理以獲取中文文本；將獲取的中文文本中的漢字轉(zhuǎn)為拼音得到拼音文本；提取所述拼音文本的特征，將提取的特征形成所述拼音文本的特征向量。
[0020]可選地，所述對文本進行文本處理以獲取中文文本，具體包括:對文本進行數(shù)據(jù)清洗操作，將待提問/答案文本中的內(nèi)容轉(zhuǎn)換為規(guī)則字符；將拼音轉(zhuǎn)化為漢字；保留常用的漢字。
[0021]可選地，所述對待提問/答案文本進行數(shù)據(jù)清洗操作，具體包括:識別并丟棄HTML標記，將繁體字轉(zhuǎn)換為簡體字，將全角字符轉(zhuǎn)換為半角字符，將大寫英文字母轉(zhuǎn)換為小寫英文字母，以及識別并丟棄url和標點符號；所述將文本中的拼音轉(zhuǎn)化為漢字，具體包括:使用雙向最大匹配算法將文本中的拼音轉(zhuǎn)換為漢字，如果一個拼音對應(yīng)多個漢字，則從對應(yīng)的多個漢字中任選一個；所述保留常用的漢字，具體包括:使用GBK編碼表中的常用漢字對待提問/答案文本進行過濾，丟棄所有不屬于常用漢字的字符。
[0022]可選地，所述將獲取的中文文本中的漢字轉(zhuǎn)為拼音得到拼音文本，具體包括:使用拼音漢字對照表，將每個漢字轉(zhuǎn)換為對應(yīng)的拼音串，得到拼音文本。
[0023]可選地，所述提取所述拼音文本的特征，將提取的特征形成所述拼音文本的特征向量，具體包括:以單個漢字為切分粒度提取所述拼音文本的特征，并使用向量空間模型將提取的特征形成所述拼音文本的特征向量。
[0024]根據(jù)本發(fā)明的問答社區(qū)中屏蔽廣告內(nèi)容的裝置和方法，可以由發(fā)布者在問答社區(qū)中待提問/答案文本得到特征向量，進而根據(jù)特征向量識別待提問/答案文本是否與廣告特征數(shù)據(jù)庫中的一個或多個記錄匹配，以及識別出上述匹配時對待提問/答案文本作為廣告內(nèi)容進行屏蔽處理，能夠有效地從發(fā)布者在問答社區(qū)中發(fā)布的待提問/答案文本中識別出廣告內(nèi)容并屏蔽相應(yīng)的待提問/答案文本。
[0025]上述說明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，而可依照說明書的內(nèi)容予以實施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點能夠更明顯易懂，以下特舉本發(fā)明的【具體實施方式】。
【專利附圖】

【附圖說明】
[0026]通過閱讀下文優(yōu)選實施方式的詳細描述，各種其他的優(yōu)點和益處對于本領(lǐng)域普通技術(shù)人員將變得清楚明了。附圖僅用于示出優(yōu)選實施方式的目的，而并不認為是對本發(fā)明的限制。而且在整個附圖中，用相同的參考符號表示相同的部件。在附圖中:
[0027]圖1示出了根據(jù)本發(fā)明一個實施例的問答社區(qū)中屏蔽廣告內(nèi)容的方法的流程圖；
[0028]圖2示出了如圖1所示的步驟S200的詳細的流程圖；
[0029]圖3示出了如圖2所示的步驟S210、步驟S220和步驟S230的詳細的流程圖；
[0030]圖4示出了如圖1所示的步驟S300的詳細的流程圖；
[0031]圖5示出了根據(jù)本發(fā)明第一實施例的問答社區(qū)中屏蔽廣告內(nèi)容的裝置的框圖；
[0032]圖6示出了根據(jù)本發(fā)明第一實施例的問答社區(qū)中屏蔽廣告內(nèi)容的裝置的詳細的框圖；以及
[0033]圖7示出了根據(jù)本發(fā)明第二實施例的問答社區(qū)中屏蔽廣告內(nèi)容的裝置的詳細的框圖?！揪唧w實施方式】
[0034]下面將參照附圖更詳細地描述本公開的示例性實施例。雖然附圖中顯示了本公開的示例性實施例，然而應(yīng)當理解，可以以各種形式實現(xiàn)本公開而不應(yīng)被這里闡述的實施例所限制。相反，提供這些實施例是為了能夠更透徹地理解本公開，并且能夠?qū)⒈竟_的范圍完整的傳達給本領(lǐng)域的技術(shù)人員。
[0035]圖1示出了根據(jù)本發(fā)明一個實施例的問答社區(qū)中屏蔽廣告內(nèi)容的方法的流程圖。該方法包括以下的步驟S100、S200、S300和S400。
[0036]S100、接收發(fā)布者在問答社區(qū)中編輯的待提問/答案文本。本領(lǐng)域技術(shù)人員容易了解的是，通過檢測發(fā)布者編輯待提問/答案文本的事件，可以進一步抓取得到待提問/答案文本。
[0037]S200、提取所述待提問/答案文本中包含的一個或多個特征向量。本實施例中，可以通過檢測斷句符號，將待提問/答案文本切分為多段文本，進而得到多個特征向量；也可以不切分待提問/答案文本，進而得到一個特征向量。
[0038]S300、根據(jù)所述特征向量，識別所述待提問/答案文本是否與廣告特征數(shù)據(jù)庫中的一個或多個記錄匹配。
[0039]本實施例中，對特征向量中的每一個特征，會檢測在一個預(yù)設(shè)的廣告特征數(shù)據(jù)庫中是否多次出現(xiàn)該特征。檢測了特征向量中的所有特征之后，判斷特征向量中的在廣告特征數(shù)據(jù)庫中多次出現(xiàn)的特征占特征向量的全部特征的比例，從而判斷待提問/答案文本與廣告特征數(shù)據(jù)庫中的記錄是否匹配。本實施例中預(yù)設(shè)的廣告特征數(shù)據(jù)庫使用Redis廣告特征數(shù)據(jù)庫，可以是通過對海量的網(wǎng)絡(luò)廣告文本(例如抓取收集的網(wǎng)絡(luò)廣告等垃圾信息)進行分析得到海量的特征，并統(tǒng)計得到的各個特征的數(shù)目而得到權(quán)值，令特征(Shingle)和權(quán)值(Value)構(gòu)成廣告特征數(shù)據(jù)庫。
[0040]S400、當識別出上述匹配時，將所述待提問/答案文本作為廣告內(nèi)容進行屏蔽處理。
[0041]本發(fā)明的步驟S200和步驟S300，實現(xiàn)了通過與廣告特征數(shù)據(jù)庫中的記錄進行相似文本監(jiān)測，識別待提問/答案文本中廣告。不同于本發(fā)明步驟S200和步驟S300的一種相似文本檢測方法為:首先提取文本的特征(例如對文本進行分詞，提取實體詞)并使用各種技術(shù)對特征進行擴展(例如使用同義詞詞林，近義詞詞典等知識庫進行詞匯擴展)，并使用VSM模型來描述文本(例如使用VSM模型將一篇文本表示為一個向量)，然后使用聚類方法對文本進行聚類(例如對于兩篇文本，經(jīng)過向量化表示后，計算兩個向量的余弦夾角用于表征兩篇文本的相似性，如果相似度大于一定閾值，則認為兩篇文本是相似的)，被聚到一起的文本是相似的。
[0042]然而，在網(wǎng)絡(luò)應(yīng)用中，存在著大量的相似文本的變種，如使用繁體字、適用拼音代替文字、用同音字代替原字、加入大量無意義的干擾字符，等等，上述技術(shù)存在以下缺點:(一)分詞結(jié)果存在誤差；(二)同音不同字的文本無法判斷為相似；(三)無法將經(jīng)過拼音化處理的兩篇文本識別為相似文本；(四)對文本的計算復(fù)雜度太高(例如，將文本表示為向量，需要較大的運算量)。因此，這種方法無法滿足當前大數(shù)據(jù)量情況下的運算實時性要求。
[0043]圖2示出了如圖1所示的步驟S200的詳細的流程圖。該方法包括以下的步驟S210、S220 和 S230。[0044] S210、對待提問/答案文本進行文本處理以獲取中文文本。
[0045]通過由待提問/答案文本獲取中文文本，可以消除包括有無意義的干擾字符、繁體字等相似文本的變種對本實施例的識別效果的影響。
[0046]S220、將獲取的中文文本中的漢字轉(zhuǎn)為拼音得到拼音文本。
[0047]通過將中文文本中的漢字統(tǒng)一轉(zhuǎn)化為拼音，可以消除用拼音代替文字、用同音字代替原字等相似文本的變種對本實施例的識別效果的影響。
[0048]S230、提取所述拼音文本的特征，將提取的特征形成所述拼音文本的特征向量。
[0049]本實施例中，可以采用N元語言模型(N-gram)提起拼音文本的特征向量，基于步驟S210獲取的中文文本中的漢字粒度，對步驟S220獲取的拼音文本提取N-gram特征SHINGLE^ SHINGLE^…SHINGLEm。例如，如果步驟S210獲取的中文文本為“我愛北京天安門”，漢字粒度為“我”、“愛”、“北”、“京”、“天”，“安”，“門”，步驟S220獲取的拼音文本為“wo ai bei jing tian an 111611”,那么拼音串被切分為“￥0”、“&;[”、％6；[”、“」;[1^”、“1:1&11”、“an”、“men”，如果令 N=6 則步驟 S230 中，獲取的 N-gram 特征 SHINGLei 為“wo ai bei jingtian an”、SHINGLe2 為“ai bei jing tian an men”,依次類推。并使用向量空間模型(VSM,Vector Space Model)形成特征向量 DMSHINGLEi, SHINGLE2，…，SHINGLEJ。
[0050]圖3示出了如圖2所示的步驟S210、步驟S220和步驟S230的詳細的流程圖。步驟S210具體包括:
[0051]S211、對待提問/答案文本進行數(shù)據(jù)清洗操作，將待提問/答案文本中的內(nèi)容轉(zhuǎn)換為規(guī)則字符。
[0052]其中，對待提問/答案文本進行數(shù)據(jù)清洗操作，具體包括:識別并丟棄HTML標記，將繁體字轉(zhuǎn)換為簡體字，將全角字符轉(zhuǎn)換為半角字符，將大寫英文字母轉(zhuǎn)換為小寫英文字母，以及識別并丟棄url和標點符號。
[0053]S212、將拼音轉(zhuǎn)化為漢字。
[0054]其中，將經(jīng)過步驟S211處理的文本中的拼音轉(zhuǎn)化為漢字，具體包括:使用雙向最大匹配算法將文本中的拼音轉(zhuǎn)換為漢字，如果一個拼音對應(yīng)多個漢字，則從對應(yīng)的多個漢字中任選一個。
[0055]S213、保留常用的漢字。
[0056]其中，保留常用的漢字，具體包括:使用GBK編碼表中的常用漢字對文本進行過濾，丟棄所有不屬于常用漢字的字符，即只保留漢字GBK編碼在OxBOAO~0xF7FE中的漢字。
[0057]步驟S220具體包括:使用拼音漢字對照表，將每個漢字轉(zhuǎn)換為對應(yīng)的拼音串，得到拼音文本。
[0058]通過步驟S210由待提問/答案文本獲取中文文本，以及通過步驟S220將獲取的中文文本中的漢字轉(zhuǎn)為拼音得到拼音文本，可以將相似文本的不同變種，識別為相同的拼音文本。例如將如表1所示的待提問/答案文本和三種變種，通過步驟S210和S220得到相同的拼音文本。
[0059]表1待提問/答案文本及三種變種
[0060]
【權(quán)利要求】
1.一種問答社區(qū)中屏蔽廣告內(nèi)容的裝置，包括: 文本獲取單元，適于接收發(fā)布者在問答社區(qū)中編輯的待提問/答案文本； 特征向量提取單元，適于提取所述待提問/答案文本中包含的一個或多個特征向量； 識別單元，適于根據(jù)所述特征向量，識別所述待提問/答案文本是否與廣告特征數(shù)據(jù)庫中的一個或多個記錄匹配； 屏蔽單元，適于在識別單元識別出上述匹配時，將所述待提問/答案文本作為廣告內(nèi)容進行屏蔽處理。
2.根據(jù)權(quán)利要求1所述的裝置，其中， 所述識別單元，適于對所述特征向量中的每個特征，檢測廣告特征數(shù)據(jù)庫中是否多次出現(xiàn)該特征； 所述識別單元，適于判斷所述特征向量中的在廣告特征數(shù)據(jù)庫中多次出現(xiàn)的特征占該特征向量的全部特征的比例是否達到第一閾值，是則確定所述待提問/答案文本與廣告特征數(shù)據(jù)庫中的記錄匹配，否則不匹配。
3.根據(jù)權(quán)利要求1或2所述的裝置，其中， 所述識別單元，適于對所述特征向量中的每個特征，從廣告特征數(shù)據(jù)庫中查找是否存在該特征，如果存在，則進一步查看該特征的權(quán)值，如果該特征的權(quán)值大于或等于第二閾值，則廣告特征數(shù)據(jù)庫中多次出現(xiàn)該特征。
4.根據(jù)權(quán)利要求1-3任一項所述的裝置，其中，該裝置進一步包括廣告特征數(shù)據(jù)庫更新單元， 所述廣告特征數(shù)據(jù)庫更新單元，適于在確定所述待提問/答案文本與廣告特征數(shù)據(jù)庫中的記錄匹配時，對于所述特征向量中的每個特征，如果檢測到廣告特征數(shù)據(jù)庫中存在該特征，則將廣告特征數(shù)據(jù)庫中該特征的權(quán)值加I。
5.根據(jù)權(quán)利要求1-4任一項所述的裝置，其中， 所述識別單元，適于在對于所述特征向量中的每個特征，檢測廣告特征數(shù)據(jù)庫中是否存在該特征之前，判斷所述特征向量中的特征的數(shù)目是否小于第三閾值，是則所述待提問/答案文本與廣告特征數(shù)據(jù)庫中的記錄不匹配并結(jié)束判斷操作，否則對于所述特征向量中的每個特征，檢測廣告特征數(shù)據(jù)庫中是否多次出現(xiàn)該特征。
6.一種問答社區(qū)中屏蔽廣告內(nèi)容的方法，包括: 接收發(fā)布者在問答社區(qū)中編輯的待提問/答案文本； 提取所述待提問/答案文本中包含的一個或多個特征向量； 根據(jù)所述特征向量，識別所述待提問/答案文本是否與廣告特征數(shù)據(jù)庫中的一個或多個記錄匹配； 當識別出上述匹配時，將所述待提問/答案文本作為廣告內(nèi)容進行屏蔽處理。
7.根據(jù)權(quán)利要求6所述的方法，其中，所述根據(jù)所述特征向量，識別待提問/答案文本是否與廣告特征數(shù)據(jù)庫中的一個或多個記錄匹配，具體包括: 對所述特征向量中的每個特征，檢測廣告特征數(shù)據(jù)庫中是否多次出現(xiàn)該特征； 判斷所述特征向量中的在廣告特征數(shù)據(jù)庫中多次出現(xiàn)的特征占該特征向量的全部特征的比例是否達到第一閾值，是則確定所述待提問/答案文本與廣告特征數(shù)據(jù)庫中的記錄匹配，否則不匹配。
8.根據(jù)權(quán)利要求6或7所述的方法，其中，所述檢測廣告特征數(shù)據(jù)庫中是否多次出現(xiàn)該特征包括: 從廣告特征數(shù)據(jù)庫中查找是否存在該特征，如果存在，則進一步查看該特征的權(quán)值，如果該特征的權(quán)值大于或等于第二閾值，則廣告特征數(shù)據(jù)庫中多次出現(xiàn)該特征。
9.根據(jù)權(quán)利要求6-8任一項所述的方法，其中，在確定所述待提問/答案文本與廣告特征數(shù)據(jù)庫中的記錄匹配時，該方法進一步包括: 對于所述特征向量中的每個特征，如果檢測到廣告特征數(shù)據(jù)庫中存在該特征，則該將廣告特征數(shù)據(jù)庫中該特征的權(quán)值加I。
10.根據(jù)權(quán)利要求6-9任一項所述的方法，其中， 在對于所述特征向量中的每個特征，檢測廣告特征數(shù)據(jù)庫中是否存在該特征之前，所述判斷待提問/答案文本是否與廣告特征數(shù)據(jù)庫中的記錄匹配進一步包括: 判斷所述特征向量中的特征的數(shù)目是否小于第三閾值，是則所述待提問/答案文本與廣告特征數(shù)據(jù)庫中的記錄不匹配并結(jié)束判斷操作，否則對于所述特征向量中的每個特征，檢測廣告特征數(shù)據(jù)庫中是否多次 出現(xiàn)該特征。
【文檔編號】G06F17/30GK103605692SQ201310537963
【公開日】2014年2月26日 申請日期:2013年11月4日 優(yōu)先權(quán)日:2013年11月4日
【發(fā)明者】孫林, 陳培軍, 秦吉勝 申請人:北京奇虎科技有限公司, 奇智軟件（北京）有限公司